[發(fā)明專利]一種基于蟻群優(yōu)化算法的城市生態(tài)用地空間規(guī)劃模型

有效

• 申請?zhí)枺?/td>: 201610885084.0
• 申請日: 2016-10-11
• 公開（公告）號: CN107067091B
• 公開（公告）日: 2022-01-14
• 發(fā)明（設(shè)計）人: 王海鷹;秦奮;劉鵬飛;陳郁;李寧
• 申請（專利權(quán)）人: 河南大學(xué)
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/26
• 代理公司: 北京方圓嘉禾知識產(chǎn)權(quán)代理有限公司 11385
• 代理人: 鄭萌萌

1.一種基于蟻群優(yōu)化算法的城市生態(tài)用地空間規(guī)劃模型的構(gòu)建方法，其特征在于：包括以下步驟：

A、規(guī)劃問題描述：包括以下內(nèi)容：

a、城市生態(tài)用地效益受綠地覆蓋度、固炭量、綠地空間位置和景觀形態(tài)這些指標(biāo)的影響；而生態(tài)適宜性研究是生態(tài)效益的重要基礎(chǔ)和前提，兩者具有緊密的聯(lián)系；采用生態(tài)適宜性來代表生態(tài)效益，將生態(tài)效益問題就轉(zhuǎn)化為獲取研究區(qū)生態(tài)適宜性之和最大化問題，即，生態(tài)用地規(guī)劃的目標(biāo)是在一定面積條件下要獲得盡量多的生態(tài)適宜性，即式中，f_eco表示柵格單元生態(tài)適宜性函數(shù)，k為第k個柵格單元，m為柵格單元總數(shù)；

b、城市生態(tài)用地需滿足：最大空間緊湊度和最小最鄰近距離，即：maxf_cl和minf_dist；maxf_cl表示最大空間緊湊度，minf_dist表示最小最鄰近距離；

B、構(gòu)建規(guī)劃目標(biāo)函數(shù)：根據(jù)空間約束條件建立單一性復(fù)合目標(biāo)函數(shù)，該函數(shù)表達多目標(biāo)空間約束條件下的城市生態(tài)用地分布，建立目標(biāo)函數(shù)如下：式中，maxf_goal代表目標(biāo)函數(shù)最大化，表示螞蟻的平均生態(tài)適宜性，m為柵格單元總數(shù)，f_dist表示最鄰近空間距離，f_cl表示緊湊度指數(shù)；當(dāng)f_dist小于1時，樣本點成聚集狀態(tài)，當(dāng)f_dist接近于0時，樣本點接近完美聚集，在(0，1]之間，當(dāng)f_ci越大，說明空間形態(tài)越緊湊，當(dāng)f_ci接近于1時，空間形態(tài)將達到最緊湊狀態(tài)，kc、kd、ke分別代表各因子的調(diào)節(jié)系數(shù)；

C、模型結(jié)構(gòu)設(shè)計：包括以下步驟：

a、定義螞蟻結(jié)構(gòu)體：定義螞蟻結(jié)構(gòu)體數(shù)組Ant[ ]，存儲螞蟻的屬性信息，包括：螞蟻坐標(biāo)位置和螞蟻適應(yīng)性值，每次迭代后，螞蟻結(jié)構(gòu)體數(shù)組隨著禁忌矩陣動態(tài)更新信息；

b、禁忌表和禁忌矩陣設(shè)計：禁忌表Taboo是蟻群算法的一個重要機制；Taboo記錄蟻群所占的柵格位置，該矩陣大小為柵格空間的行列數(shù)，該矩陣實現(xiàn)螞蟻禁忌位置與柵格空間的快速映射，使螞蟻在解空間搜索和計算時無需再次遍歷禁忌表即可明確禁忌位置，提升了搜索效率；禁忌矩陣根據(jù)螞蟻禁忌表在柵格空間存儲螞蟻的位置，用“-1”表示該位置被螞蟻所占據(jù)；

c、空間位置選擇策略：通過轉(zhuǎn)移概率公式計算螞蟻到每一個可選柵格的概率，轉(zhuǎn)移概率公式如下

式中表示螞蟻在第k次迭代中，選擇柵格空間位置[i，j]的概率；τ_ij(t)表示第t次迭代中在位置[i，j]遺留的信息素；表示在位置[i，j]上的啟發(fā)信息，在這里定義＝f_eco(i,j)；α為信息素啟發(fā)式因子，表示螞蟻在柵格空間已積累的信息素對螞蟻下一次選擇所起的作用傾向于選擇信息素濃度高的柵格位置；β為期望啟發(fā)式因子，allowed_k為表示螞蟻的允許選擇的柵格空間；

d、信息素更新擴展策略：將信息素的更新擴展為對柵格空間的每個柵格點位置，[i，j]的信息素更新；在每次循環(huán)之后對整個柵格空間的信息素進行更新，如下式：,式中：τ_ij(t+1)表示更新后的柵格空間位置[i，j]的信息素，τ_ij(t)表示更新前的柵格空間位置[i，j]的信息素，在本次循環(huán)中柵格[i，j]上的信息素增量，ρ∈(0，1)表示信息素?fù)]發(fā)系數(shù)；

D、模型計算流程：

Step1；初始化螞蟻種群和各參數(shù)，建立禁忌表和禁忌矩陣，并計算初始目標(biāo)函數(shù)值；

Step2：循環(huán)次數(shù)Nc=Nc+1；

Step3：螞蟻數(shù)目k=k+1；

Step4：計算螞蟻相對適應(yīng)性值，根據(jù)轉(zhuǎn)移概率公式選擇第k個螞蟻的柵格位置[i，j]，且[i，j]∈allowed_k；

Step5：評估目標(biāo)函數(shù)，如果，則采用貪婪算法使，同時更新禁忌表、禁忌矩陣和螞蟻對象數(shù)組；

Step6：如果螞蟻k＜M，M為螞蟻總量，跳轉(zhuǎn)至Step3，否則執(zhí)行Step7；

Step7：獲得當(dāng)前目標(biāo)函數(shù)F_G(t+1)，根據(jù)信息素更新公式，更新柵格空間信息素；

Step8：如果滿足結(jié)束條件，即當(dāng)循環(huán)次數(shù)為N_c≤N_cmax，則循環(huán)結(jié)束，并輸出柵格空間的聚類結(jié)果；否則，跳轉(zhuǎn)至Step2，直到滿足結(jié)束條件；

步驟B中還包括以下內(nèi)容：

a、城市生態(tài)適宜性：根據(jù)生態(tài)適宜性概念模型，城市生態(tài)適宜性的表達式為：f_eco＝W₁n+W₂s+W₃p，式中，n、s、p分別表示自然因子、社會因子、生態(tài)保護因子，W₁、W₂、W₃表示各自權(quán)重；

b、最鄰近距離指數(shù)：對于點狀目標(biāo)在空間的分布特征和相互關(guān)系，用樣方內(nèi)點數(shù)均值變差、點間最近距離均值和點密度距離函數(shù)方法來度量，根據(jù)實際觀察值與均空間分布條件下的理論值比較，判斷點格局的是均勻、聚集，還是隨機分布；由于螞蟻在柵格空間表示為柵格點，由其構(gòu)成的蟻群在柵格空間形成了點的空間分布格局，柵格擴展計算方法如下：

f_dist＝d(nn)/d(ran)，式中，d(nn)為最鄰近距離；d(ran)為隨機分布條件下的理論平均距離；當(dāng)f_dist＜1時，樣本點呈集聚分布；當(dāng)f_dist＝0時，樣點呈完美聚集；當(dāng)f_dist＞1時，樣本點呈分散分布；公式

式中，N為樣本點數(shù)目，即蟻群空間大小；d_ij為第i點到第j點的距離；min(d_ij)為到最鄰近點的距離；公式;式中，A為研究區(qū)域面積，由于f_dist∈[0，∞)時，指數(shù)值越大，說明空間聚集程度越高；利用Logit函數(shù)，將其映射到(0，1)的區(qū)間，此時公式,式中，f_{mod_dist}表示修正后的最鄰近距離指數(shù)，此時將目標(biāo)函數(shù)修正為

c、空間緊湊度：空間緊湊度是一種用于度量地物形態(tài)信息的重要指標(biāo)，公式表示如下：其中，p表示斑塊的周長，A表示斑塊的面積，f_ci表示空間緊湊度，介于0-1之間，其值越大，斑塊的空間形態(tài)越緊湊，因此將目標(biāo)函數(shù)修改為；

測試蟻群隨機聚集的空間分布情況，目標(biāo)函數(shù)分別只考慮最鄰近距離指數(shù)和空間緊湊度指數(shù)，測試在常量柵格均質(zhì)空間條件下，各指數(shù)對螞蟻聚集形態(tài)的性能影響和指數(shù)變化規(guī)律；

測試模型尋找全局近似最優(yōu)解的性能，分析NNI指數(shù)和CI指數(shù)對空間分布格局形成所產(chǎn)生的影響。